КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЙ АНАЛИЗ И ВОЗМОЖНОСТЬ ЕГО ПРИМЕНЕНИЯ ПРИ РАЗРАБОТКЕ ПРОГНОЗОВ

Изучение всех социально-экономических явлений в условиях современных реалии тесно связано с использованием различных наук, в особенности математики и статистики. Это обусловлено тем, что статистически-математические методы представляют из себя обширный комплекс различных методов и приёмов, позволяющий проводить детальный и всесторонний анализ первичной информации об исследуемом объекте, представленной в математическом виде.

Одним из значимых направлений анализа социально-экономических явлений является разработка прогноза с использованием полученных в процессе исследования результатов. Значимость прогнозирования обуславливается тем, что оно занимает важное место в процессе принятия управленческих решений. На основе прогноза определяются негативные изменения в будущем и способы их избежать, а также положительны исходы и возможные пути их достижения. Следовательно, качество и точность прогноза определяет эффективность управления хозяйствующим субъектом в перспективе. В этой связи важным шагом в процессе прогнозирования является выбор метода анализа текущих результатов, который определит методологию исследования.

Популярным методом анализа и прогнозирования развития социально-экономических явления, тесно связанных с математически выраженными показателями, является классический метод стохастического моделирования – корреляционно-регрессионный анализ. Он базируется на исследовании нескольких предполагаемо взаимосвязанных явлений. То есть предполагается наличие причинно-следственных связей, когда изменение одной переменной (факторной) влечёт изменение другой (результативной) [2, с. 58].

Корреляционный анализ позволяет выявить наличие и тесноту взаимосвязи между исследуемыми явлениями. Основная цель корреляционного анализа – получение информации об одной переменной с помощью другой. Если это возможно, то можно говорить о том, что переменные коррелируют, т.е. изменение одной из случайных величин приводит к изменению математического ожидания другой. При этом изменение результативной переменной может происходить в положительную или отрицательную сторону. Это связано с тем, что связь между переменными может быть прямая или обратна. Тесноту данной связи определяет коэффициент корреляции, варьируемый от 1 до 0. Чем ближе данный коэффициент к 1, тем сильнее связь между признаками, и тем сильнее факторная переменная будет влиять на изменение результативной. Однако корреляция может быть не только между двумя переменными, она также бывает множественная и частная. Под множественной предполагается связь между двумя или более факторными признаками, а под частной – между результативным и одним факторным признаком, при фиксированном значении других факторных признаков.

Регрессионный анализ позволяет определить форму связи и модель, на основе которой строиться уравнение для расчёта результативной переменной. В зависимости от специфики исследуемых явлений связь может быть функциональной и стохастической. Функциональная подразумевает, что для одного определённого значения факторного признака соответствует одно или несколько строго определённых значений результативного признака. Стохастическая подразумевает, что определённым значения факторного признака соответствует множество значений результативного.  Немаловажным для получения объективной информации при моделировании является соблюдение требования однородности информации. Данное требование предполагает исключение аномальных данных, которые резко отличаются от массива данных [2, с. 59].

Корреляционный и регрессионный анализ связаны между собой. Первый позволяет определить наличие или отсутствие между исследуемыми признаками, а второй позволяет установить зависимость среднего значения какого-либо из признаков от другого или нескольких других признаков и определить модель взаимосвязи переменных.

Корреляционно-регрессионный анализ предполагает под собой определённый ряд действий, которые можно объединить в несколько общих этапов:

- изучение качественных характеристик, исследуемого объекта;

- построение модели связи;

- проверка построенной модели на адекватность и расчёт данных;

- анализ полученных результатов и их интерпретация с учётом специфики исследуемого объекта.

Особенным этапом анализа является интерпретация результатов исследования. Исследователю необходимо правильно пониматься полученные результаты, учитывая специфику исследуемого объекта, обобщённость используемых в анализе данных, логически возможные пути развития экономических процессов [4, с. 255]. От грамотности интерпретации в дальнейшем зависит эффективность и работоспособность построенной модели на практике.

Социально-экономические представляют собой многофакторные процессы, которые можно выразить в математических показателях, следовательно. Используя корреляционно-регрессионный анализ можно проводить исследования по выявлению однозначных причинных связей между анализируемыми явлениями для дальнейшей разработки прогноза.

Для примера выполним корреляционно-регрессионный анализ зависимости уровня безработицы от уровня инфляции. В качестве результативного признака (y) был выбран уровень безработицы, в качестве факторного (x) – уровень инфляции.

Таблица 1.

Уровень безработицы и инфляции за период 2001-2015 гг. [6]

После выполнения корреляционного анализа данных были получены следующие результаты:

Уравнение регрессии имеет следующий вид:

,

где e – неучтённые в рамках анализа факторы.

Из проведённого анализа можно сделать вывод о том, что между уровнем безработицы и инфляции существует прямая связь. Влияние уровня инфляции на безработицу незначительное. В 0,07% изменение уровня инфляции приводит к изменению уровня безработицы. Следовательно, точность подбора уравнения регрессии низка. Это можно связать с многофакторностью такого показателя как безработица. Для построения более точно модели следует включить в исследование большее количество факторов, обуславливающих изменение уровня безработицы. Однако, проведённый анализ позволяет нам сделать вывод о том, что повышение цен приведёт к незначительному росту уровня безработицы.

Таким образом, прогнозирование дальнейшего развития социально-экономических явлений с помощью корреляционно-регрессионного анализа возможно благодаря обширной аналитической информации и системе показателей, полученной в результате анализа, которые позволяют наиболее полно охарактеризовать исследуемое явление.

Список литературы:

1. Андреева И. В., Червякова М. Ю. Разработка методики прогнозирования с использованием корреляционно-регрессионного анализа // Экономический анализ: теория и практика. – 2013. – №3(19). – С. 58-61.
2. Мантрова А. А., Золотова Л. В. Практика применения корреляционно-регрессионного анализа для выявления взаимосвязи социально-экономических процессов в экономике // Аспирант. – 2016. – №3(19). – С. 58-61.
3. Социально-экономическая статистика: учебник / под ред. М.Р. Ефимовой. –М.: Высшее образование, Юрайт-Издат, 2009. -590 с.
4. Чернов Н. А. Выявление и оценка зависимости показателей социально-экономического развития территорий с помощью методов корреляционно-регрессионного анализа // Новая наука: проблемы и перспективы. – 2016. – №121-1. – С. 254-257.
5. Эконометрика: Учебник / Под ред. И. И. Елисеевой, 2 -e изд., перераб. и доп. –М.: Финансы и статистика, 2005. -576 с.
6. Официальный сайт: Федеральная служба государственной статистики [Электронный ресурс]. – Режим доступа: http://www.gks.ru (дата обращения: 14.12.17)